Objectifs et débouchés
Data Science
Les data sciences, qui mélangent modélisation mathématique, statistique, informatique, visualisation et applications ont pour objectif de passer du stockage et de la diffusion de l’information à la création de connaissances.
Ce passage des données aux connaissances est porteur de nombreux défis qui requièrent une approche interdisciplinaire. Les data sciences s’appuient fortement sur le traitement statistique de l’information (statistiques mathématiques, statistiques numériques, apprentissage statistique ou machine learning). De l’analyse de données exploratoires aux techniques les plus sophistiqués d’inférence (modèles graphiques hiérarchiques, deep learning, machine à vecteurs de support), l’ensemble des méthodes statistiques des plus éprouvées aux plus modernes sont exploitées.
Le « Big Data » marque le début d’une transformation majeure, qui va affecter de façon profonde l’ensemble des secteurs (de l’e-commerce à la recherche scientifique en passant par la finance et la santé !).
Les méthodes d’extraction de connaissances, pour pouvoir être développées à l’échelle de masses de données requièrent la maitrise des mécanismes de parallélisation et distribution des calculs, des méthodes d’accès et de requêtes à des bases de données réparties à très grande échelle et en temps-réel. La grande dimension influence la conception même des algorithmes d’extraction de connaissance et d’inférence statistique, poussant à l’utilisation de nouveaux outils issus de différentes branches des mathématiques (analyse fonctionnelle, analyse numérique, optimisation convexe et non convexe) dont il s’agit d’acquérir la compréhension.
Ce parcours associe des cours théoriques et méthodologiques complétés par des projets en « vrai grandeur » faisant intervenir tous les aspects des sciences des données, depuis l’acquisition jusqu’à l’exploitation et l’analyse. Une partie significative du parcours sera validée sous forme de projets. Une des originalités de ce parcours: un recours à des pédagogies innovantes basés sur l’apprentissage par projets et la participation à des compétitions de data sciences (kaggle).
Le candidat choisit librement un stage proposé par l’un des enseignants du master, un stage en entreprise proposé dans le cadre de la « bourse des stages », ou un stage d’origine différente ayant reçu l’agrément d’un enseignant du master. Le stage doit être effectué après l’inscription au master. Il doit présenter un enjeu scientifique réel et le développement applicatif d’un des thèmes développés dans le master. La durée est de quatre mois minimum, et débute au 1er avril.
Il existe actuellement un large déficit d’ingénieurs de très « haut-niveau » en data science. Les compétences dans le domaine de l’apprentissage statistique et du traitement de données massives (Big Data) que vont acquérir les étudiants suivant ce parcours sont recherchées aussi bien dans des start-up (dont beaucoup ont des projets basées sur l’extraction de connaissance, les méthodes de recommandation, de ciblage) que dans des grandes entreprises (tous les domaines d’activité sont impactés).
Ces nouveaux métiers de « Data Scientists » sont multiformes, ils vont de la mise en place de nouvelles générations de systèmes d’informations décisionnels aux développements d’applications complètement nouvelles (autour du e-commerce, de la recommandation, du minage de réseaux sociaux, etc..).
Le besoin de doctorants est également important dans ce domaine d’innovations de rupture. Les propositions de thèses sont nombreuses dans la recherche publique (Université, CNRS, INRIA, CEA, CNES, INRA, INSERM, LETI, etc.) et dans les grands laboratoires de recherche dans l’industrie (Aérospatiale, Alcatel, Sagem, General Electric, Matra, Philips, Siemens, Thales, EDF, etc.).
Data Science : Santé, Assurance et Finance
La finalité « Data Science » du site d’Evry offre une solide formation généraliste en statistique et en apprentissage (machine learning), destinée à des mathématiciens appliqués et à des ingénieurs souhaitant compléter leur formation et devenir spécialiste en sciences des données.
Renforcée par des cours d’informatique (programmation et bases de données), cette formation permet d’acquérir les compétences statistiques et informatiques nécessaires aux datascientists.
Une part importante des évaluations est faite sous forme de projet, et permet le développement d’une capacité de mise en oeuvre des méthodes et algorithmes.
Enfin, la formation est complétée par des cours d’ouverture dans les domaines de la santé, de l’assurance et de la finance. Les étudiants acquerront une connaissance approfondie des signaux (données) complexes issus de ces domaines, dans lesquels le Laboratoire de Mathématiques et de Modélisation (LaMME) est internationalement reconnu.
Les cours se déroulent principalement sur le site d’Evry. Un stage d’une durée minimale de 4 mois à partir du 1er avril, vient compléter la formation.
Le parcours ouvre à la fois à des débouchés académiques et en entreprise. La formation place les étudiants dans les meilleures conditions possibles pour s’insérer professionnellement, directement à l’issue du M2 ou pour préparer un doctorat aux interfaces mathématiques / sciences du vivant et mathématiques / finance.
Les thèses peuvent s’effectuer dans des laboratoires publiques, parapubliques ou privés et se poursuivre par une carrière académique (enseignement supérieur, CNRS, INRA, INRIA, INSERM, CEA, IRSTEA, etc) ou entreprise (industrie biopharmaceutique, de la santé ou agroalimentaire, banques et assurances).
L’insertion professionnelle à l’issue du M2 vise notamment les postes de data scientist / ingénieur-statisticien / biostatisticien / finance analyst pour lequel la demande est très forte (grands groupes, start-ups, biotechs, CRO, SSII, etc). La qualité de la formation en mathématiques appliquées et en data science permet également aux étudiants d’accéder à des métiers de mathématiciens appliqués non liés aux sciences du vivant ou à la finance et l’assurance, notamment en lien avec les données massives (internet, business analytics, etc), l’optimisation de la production (gestion des ressources, tarification, etc), l’e-marketing, la modélisation pour la conception de produits, etc.
Qui contacter?
- Responsables Data Science : Florence d'Alché-Buc, Christine Keribin, Erwan Le Pennec, Eric Moulines,
- Secrétariat : Nicoletta Bourgeois
- Responsable Data Science : Santé, Assurance et Finance : Agathe Guilloux
- Secrétariat : Adélia Soares Da Costa
